Waarom Ik een Weekend Besteedde aan AI Memory OS
Ik draai mijn Hermes Agent nu al maanden. Hij beheert 50+ cron jobs per dag, stuurt mijn domotica aan, schrijft genealogie-code, en publiceert blogposts. Maar één ding bleef me dwars zitten: zijn geheugen. Hermes heeft een memory tool — een compact werkgeheugen van ~2KB — Mem0 voor vector search, een sessie-database, een context graph, en een complete Obsidian vault. Zes lagen geheugen. Toch bleef ik vragen: kan dit beter?
Toen stuiterde ik op Memory OS, een open-source framework van ClaudioDrews. Het is een blauwdruk voor een persoonlijk AI-geheugensysteem — een ‘tweede brein’ dat herinneringen, notities, taken en context opslaat voor AI agents. En eerlijk? Het liet me met frisse ogen naar mijn eigen setup kijken.
Wat Memory OS Anders Doet
Memory OS organiseert geheugen in zes lagen: werkgeheugen, korte termijn, lange termijn, episodisch, semantisch en procedureel. Dat is niet zo anders dan wat ik al heb. Maar waar het schittert is in hoe deze lagen samenwerken. Het gebruikt een vector database (ChromaDB/Qdrant) voor semantisch zoeken, een knowledge graph (Neo4j/NetworkX) voor entiteitsrelaties, en een LLM orchestrator die beslist wat te onthouden en wat te vergeten.
Ik realiseerde me: Hermes heeft al bijna al deze onderdelen. Qdrant voor vector search. Een context graph (SQLite-gebaseerd) voor entiteitsrelaties. Hybrid recall dat alles combineert. Maar Memory OS verpakt dit in één coherent framework met een REST API, automatische consolidatie, en hiërarchisch vergeten — in plaats van gearchiveerde herinneringen te verwijderen, worden ze gedegradeerd. Dat is een slim ontwerp dat ik nog niet had overwogen.
Wat Ik Hieruit Meeneem
Drie dingen vielen me op die ik wil toepassen op mijn eigen vault:
- Consolidatie als achtergrondproces. Memory OS heeft een nachtelijke job die korte-termijn herinneringen promoveert naar lange termijn. Mijn Semantische Context Graph doet dit al om 22:00, maar ik moet een vervalmechanisme toevoegen — oude herinneringen moeten vervagen, niet op maximale confidence blijven staan.
- Hiërarchisch vergeten. In plaats van oude context te verwijderen, archiveer het. Ik verlies te veel als ik sessies opschoon. Een gelaagde aanpak — degraderen, niet verwijderen — zou meer context bewaren voor toekomstige queries.
- Privacy-first by design. Memory OS draait alles lokaal. Geen externe API calls voor geheugenopslag. Mijn Hermes setup respecteert dit al, maar het is goed om te zien dat het patroon wordt gevalideerd door een open-source framework.
De Bottom Line
Memory OS is geen vervanging voor wat ik heb gebouwd. Het is een validatie. Het feit dat mijn Hermes Agent al vector search, een context graph, sessiegeschiedenis en een vault heeft — en dat Memory OS bijna dezelfde architectuur voorstelt — zegt me dat ik op de goede weg ben. Maar het liet me ook zien waar ik kan verbeteren: betere consolidatie, slimmer vergeten, en een meer uniforme API-laag.
Heb jij er wel eens over nagedacht hoe jouw AI agents dingen onthouden? Of laat je ze gewoon elke keer opnieuw beginnen? Ik ben benieuwd — laat een reactie achter! 👇
Wat vond je van dit bericht?
